自适应共振解调法及其在滚动轴承故障诊断中的应用

与AR模型、小波变换等故障诊断方法相比较,工程人员更多的是采用共振解调法对滚动轴承故障进行诊断,但诊断成功与否很大程度上依赖于滤波器中心频率及其带宽的选择。这里提出的诊断滚动轴承故障的自适应共振解调法避免了带通滤波器难以选择的困难。其核心思想是:不采用滤波的方式而是通过先对时间信号进行时频变换,然后从时频能量谱中自动提取时间能量信号的方式来达到将由于冲击引起的共振高频信号和高能量的低频信号分离。此外,给出了一个统一的框架从时频能量谱中自动提取类似于时间边缘的时间能量信号,即Lp范数准则。数值实验结果表明,自适应共振解调法能有效地诊断滚动轴承的外圈故障、内圈故障、滚动体故障,而且比传统的共振解调法的性能更优。

滚动轴承故障诊断的自适应共振解调技术

针对共振解调技术在实际使用中存在必须事先通过冲击试验确定高频共振频率和带通滤波器的中心频率固定不变的缺点,提出了自适应共振解调技术。自适应共振解调技术可以在共振解调处理之前依靠对振动信号的频谱分析自动识别高频共振频率,然后根据被测对象的高频共振频率自适应地改变带通滤波器的中心频率。并研究了自适应共振解调技术的实现方法,并对实际轴承振动信号进行了自适应共振解调分析。研究结果表明,该技术可方便地在工程中应用。

基于MPDE-EEMD及自适应共振解调的轴承故障特征提取方法

针对滚动轴承振动信号具有非线性、非平稳性和非高斯性,并且故障特征往往淹没于系统噪声之中而难于识别的问题,提出了以多种群差分进化(multiple population differential evolution, MPDE)算法来改进集合经验模式分解(ensemble empirical mode decomposition, EEMD)的MPDE-EEMD消噪方法,并与自适应共振解调技术(adaptive resonance demodulation technique, ARDT)相结合实现故障特征提取。首先,为了解决EEMD中加入参数依靠人工选择且难以准确获取的问题,建立极值点分布特性评价函数,利用MPDE来寻优获取最佳白噪声幅值,实现EEMD自适应分解。然后,采用峭度与相关性相结合的准则对分解后的IMF分量进行自动筛选,将满足条件的有效信号进行重构,实现对原始振动信号的降噪处理。最后,采用ARDT自动确定对消噪信号进行带通滤波的带宽和中心频率,再通过包络解调提取出滤波信号的特征频率。将轴承仿真故障信号与实际故障信号用于算法的验证,结果表明MPDE-EEMD+ARDT能有效提取出轴承故障特征。

基于自适应共振解调技术的滚动轴承故障诊断

针对现有共振解调技术中高频共振中心频率及滤波带宽确定方法不成熟的问题,提出了自适应共振解调技术。利用经验模态分解将故障信号分解成若干个固有模态函数,通过信息熵最小的固有模态函数分量确定高频共振频率,自适应选取带通滤波器的中心频率和带宽。利用Hilbert变换对滤波后的信号进行解调分析,得到包含故障特征信息的低频包络信号,提取故障特征频率,实现故障辨识。与现有共振解调方法相比,自适应共振解调方法在工程实际中应用性更强。

一种空间轴承的自适应共振解调故障诊断方法

针对传统共振解调故障诊断方法中需依赖主观经验和反复调试选取合适带通滤波器参数的问题,以及包络信号频谱中随机成分对分辨故障特征频率的干扰问题,提出一种空间精密轴承的自适应共振解调故障诊断方法.一方面,根据振动信号功率谱计算重心频率和频率标准差,进而以此确定带通滤波器的中心频率和带宽,实现自适应带通滤波;另一方面,通过频谱平均方法弱化包络信号频谱中的随机成分,使得故障特征谱线清晰度加强.模拟故障信号和实测振动信号的诊断结果表明该方法算法简单,效率高,对保持架磨损故障诊断效果良好,验证了其可行性和有效性.

基于小波分析和自适应共振解调法的故障诊断研究

文章介绍了小波分析技术和自适应共振解调法的基础理论,分析了传统共振解调法的缺点,并结合两者应用于对滚动轴承的故障特征提取,对实际轴承故障数据的分析表明,小波分析和共振解调技术在提取轴承故障特征信息的应用上是有效的。

基于自适应共振解调技术的虚拟仪器开发与研究

滚动轴承是旋转机械中应用最为广泛的机械零件,也是最容易损坏的元件之一.本文介绍的一种基于自适应共振解调技术的轴承故障诊断虚拟仪器,可以实现振动信号的实时显示和分析,并具有开发环境简单、开发周期短、成本低、适应性强等特点.

一种时频域小波包自适应共振解调的故障诊断方法

针对单一信息域故障特征信息的不完备性和共振解调技术存在要事先确定共振频率和中心频率固定不变的缺点。提出了一种时频域小波包自适应共振解调的故障诊断新方法。阐述了从时域和频域提取故障特征向量的方法，分析了基于小波包滤波去噪包络解调法处理信号的流程，给出了小波包自适应共振解调的故障诊断方法，并将该方法应用于轴向液压泵的故障诊断中，实验结果表明，时频域特征向量增加了故障信息的完备性，能获得良好的诊断结果，新故障诊断法能自动识别各种已知和未知的故障的共振频率，分析的频率范围窄，确诊率高。

基于EEMD和共振解调的滚动轴承自适应故障诊断

为解决滚动轴承原始振动信号信噪比低以及带通滤波器参数选择依赖于人的主观经验等影响传统共振解调技术有效应用的问题,提出了EEMD自适应消噪和自适应共振解调相结合的方法。首先利用EEMD自适应地将信号分解成多个分量,通过互相关系数方法进行自适应重构以突出故障特征信号,然后利用谱峭度自动确定带通滤波器的中心频率和带宽,最后对滤波后的信号进行能量算子解调谱分析。数字仿真信号和滚动轴承实验证明了该方法的有效性。

基于自适应共振解调的齿轮故障诊断方法

针对传统共振解调技术难以确定带通滤波器参数及受噪声影响较大,诊断效果不佳的问题,提出一种基于EEMD、信息熵和快速峭度图的自适应共振解调方法。该方法通过EEMD方法将故障信号分解成若干个固有模态分量,利用互相关系数方法自适应重构信号以突出故障特征信号,对信息熵最小的固有模态分量进行谱峭度分析,自适应确定带通滤波器的中心频率和带宽,最后对通过滤波的重构信号进行Hilbert包络谱分析。数字仿真实验和实测齿轮故障数据分析结果表明,该方法可以有效突出故障特征信号,证明了该方法的有效性。

浅析滚动轴承故障自适应谐振解调技术

本文提出一种利用共振进行共振解调的方法。运用经验模式分析方法,将故障划分成多个固有模式,以最小的特征值为主要特征,以最佳特征值为最大共振频率,并利用自适应选取不同的频段。利用希尔伯特变换,对滤波后的信号进行了理解、调和分析,得到包含故障特征的低频包络,并进行了辨识。与现有的谐波解调方法相比,该方法更具实际应用价值。

多通道相关-自适应轴承故障诊断方法

提出了多通道相关-自适应共振解调(MCC-ARD)方法 ,该方法使用冗余信号源采集故障信息,并利用谱峭度(SK)优化经验模态分解(EMD)的分解效率,根据互相关系数更加合理地选择本征模态函数(IMF)分量完成重构,对重构IMF进行包络解调,实现对滚动轴承的故障诊断。通过对多通道相关-自适应共振解调方法的实测数据分析,结果表明:该方法不仅克服了单一信号源系统修正能力差的缺陷,而且相频谱辨识率为传统EMD结合谱峭度共振解调方法的2.7倍,对滚动轴承故障的诊断结果更加清晰、准确。

基于互相关函数的滚动轴承故障诊断方法研究

随着互相关系数结合共振解调方法广泛应用于滚动轴承故障诊断领域,这类方法逐步暴露出一些问题,如互相关系数方法需要借助其它算法降噪、互相关系数作为一个指标需要人为设置阈值等,这些缺陷导致该方法在很多状况下对轴承故障特征提取的效果并不理想.因此,本文提出了基于互相关函数的自适应共振解调方法,利用互相关函数降噪和突出同频信号的特性不仅可以摆脱对人为因素的依赖,而且可以进一步削弱所选共振带内部噪声,从而使故障特征频率更加明显.通过对这一新方法的精度测试与鲁棒性测试,表明了该方法不仅能够提高噪声干扰条件下的轴承故障诊断精度,而且对带通滤波器失效与任意一路信号源自身突发性故障具有良好的自适应能力.